机器人在便利店边上班边进化，无需人工调参
要点
10月27日，智元在AI WAVE期间的第四项发布中推出具身Agent框架Genie Master。智元方面介绍，搭载该框架的精灵G2机器人已在真实便利店上岗，承担熟食打包、取货、补货等任务，过程中不依赖人工示范与调试，可自主定位失败原因、调整策略、沉淀经验。 按智元的说法，该…
10月27日，智元在AI WAVE期间的第四项发布中推出具身Agent框架Genie Master。智元方面介绍，搭载该框架的精灵G2机器人已在真实便利店上岗，承担熟食打包、取货、补货等任务，过程中不依赖人工示范与调试，可自主定位失败原因、调整策略、沉淀经验。
按智元的说法，该框架采用研究团队提出的具身执行协议EEP，统一能力、引导、反馈、连续性四类接口。Agent由此明确有哪些机器人能力可调用、这一步应如何引导执行、实际结果是否达标、还有哪些任务待完成。
智元方面举的一个例子是便利店挂货：Agent回溯失败记录后发现，头部视角分辨率不足，挂钩又被标签牌遮挡，无法识别挂钩位置，随即调整策略，左手先靠近目标，用腕部相机补充近距离视角，确认位置后由右手完成挂货。
智元方面介绍，经验沉淀分为两条路线。Harness RSI让成功与失败案例随做随记，每日任务结束后由模型统一总结，把可复用内容写入长期记忆，遇到同类任务再逐步加载；Policy RSI则把Agent协助执行、接管和恢复过程中产生的问题、调整、结果数据作后处理，用于训练动作策略，使改进保留在模型参数中。以外卖打包为例，水瓶和夹爪容易被白色提带缠住，Agent通过更具体的动作提示引导夹爪先收回、再重新放入包装袋，相关执行与恢复数据随后回流训练。
智元方面介绍，目前在便利店的实际表现是，熟食打包在多次失败后变得更顺畅，取货和补货动作准确度稳步提高，这些变化并非来自人工调参，而是机器人自主定位问题、积累经验的结果。智元方面称，这也是行业首次跳出仿真环境、走出实验室，在真实业务场景中验证Physical RSI。
11月2日，智元将开启24小时不间断直播，6台精灵G2作为便利店的试用期员工，经历午间高峰、晚高峰、深夜值守、清晨早餐四个班次。
Genie Master是否开源、适配哪些机器人型号、何时商用及定价，截至发稿尚无公开信息。
